Made available in DSpace on 2014-06-12T17:21:50Z (GMT). No. of bitstreams: 2
arquivo6124_1.pdf: 1155566 bytes, checksum: 4ee9248af97b1901efbc25ffc40ea595 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2002 / Investiga a adequabilidade da utilização de uma classe especial de sistemas adaptativos as redes neurais artificiais na modelagem do comportamento da inadimplência em face das flutuações macroeconômicas. Os saldos em atraso para sete diferentes categorias de empréstimos concedidos a pessoas jurídicas são modelados por meio de redes neurais. As estimativas obtidas são comparadas àquelas observadas pela aplicação de um modelo econométrico tradicional, baseado em regressão linear múltipla.
O estudo começa por percorrer a história econômica brasileira dos últimos 50 anos para buscar entender a evolução do crédito no período e suas relações com o ambiente macroeconômico.
Para permitir a abordagem da metodologia empregada faz-se uma revisão da literatura sobre redes neurais artificiais, apontando vantagens e desvantagens de sua utilização frente aos métodos econométricos tradicionais. Realiza estudo empírico comparativo das duas metodologias apresentadas e conclui pela viabilidade da utilização das redes neurais, as quais apresentam resultados, para a maior parte dos casos estudados, superiores aos obtidos com o modelo de regressão linear na modelagem do comportamento dos créditos em atraso
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/4534 |
Date | January 2002 |
Creators | Gonçalves, Claudio Freitas |
Contributors | Távora Júnior, José Lamartine |
Publisher | Universidade Federal de Pernambuco |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds